En este cuaderno vamos a procesar un conjunto de datos para posteriormente discriminar el sexo de una persona a partir de los microdatos de la Encuesta Nacional de Salud. Resultados Concretamente, se han tomado los datos relativos a 2017.

Los microdatos de la Encuesta 2017 pueden descargarse en el siguiente link: https://www.ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid=1254736176783&menu=resultados&secc=1254736195295&idp=1254735573175#!tabs-1254736195295. Tomamos el fichero relativo a Adultos (15 años y más). De dichos microdatos leemos el fichero en formato .RData y vamos a tomar las siguientes variables:

Variables de Interés

Aquí se muestran las variables que vamos a escoger para el estudio de una regresión lineal. En ella se pretende predecir el peso de una persona en función de su edad, altura, sexo y IMC. Si se conociera el valor exacto del IMC, entonces se podría saber el peso de manera exacta, ya que IMC = Peso/Altura2 , por lo que no sería necesario hacer un modelo para estimar la altura.

Por el contrario, no tenemos el valor del IMC exacto, sino una clasificación del IMC entorno a 4 niveles. Este estudio demostrará como a patir de esos niveles, ya se puede estimar el peso con bastante exactitud, sin conocer el valor exacto del IMC.

  • EDADa: Identificación del adulto seleccionado: Edad.

  • SEXOa: Identificación del adulto seleccionado: Sexo.

  • S109: Altura en cm.

  • S110: Peso en kg.

  • IMC: Índice de masa corporal (IMC) del adulto. Toma los siguientes valores

    • 1: Peso insuficiente
    • 2: Normopeso
    • 3: Sobrepeso
    • 4: Obesidad

Procesamos el dataset para adaptarlo a lo de arriba

# Microdatos
library(readxl)
datos <- read_excel("/Users/davpero/Downloads/BECA/datos_ensalud17_xlsx/MICRODAT.CA.xlsx")
datos <- datos[, c("EDADa", "SEXOa", "S109", "S110", "IMCa")]
library(dplyr)
datos <- na.omit(datos)




# Conevrtimos a factor variable sexo y la renombramos
datos$SEXO <- as.factor(ifelse(datos$SEXOa == 1, 1, 0))

# Numéricas las demas y las renombramos
datos$EDAD <- as.numeric(datos$EDADa)
datos$Altura <- as.numeric(datos$S109)
datos$Peso <- as.numeric(datos$S110)
datos$IMC <- as.factor(datos$IMCa)


# Los valores atípicos los quitamos, los que tienen un peso y una altura que no tiene sentido
datos$Peso[datos$Peso > 220] <- NA
datos$Altura[datos$Altura > 220] <- NA
datos <- na.omit(datos)


datos <- datos[, c("EDAD", "SEXO", "Altura", "Peso", "IMC")]

# Creamos excel con datos
library("writexl")
write_xlsx(datos, "../../../files/salud_reg.xlsx")

Este dataset será el que se proporcione para el estudiante para hacer sus análisis. Se puede encontrar en salud_reg.xlsx.

Back to top